基于不同类型偏好信息的多属性决策方法研究

《基于不同类型偏好信息的多属性决策方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要论文题目：基于不同类型偏好信息的多属性决策方法研究授予单位：东南大学本文研究了七种类型偏好信息的多属性决策方法．研究了偏好信息为实数型的多属性决策问题．对模糊互补判断矩阵的行和归一化的排序方法进行了研究，用三种不同方法证明了互补判断矩阵采用行和归一化法的有效性；针对多个决策者给出的两类偏好信息形式——模糊判断矩阵和AHP判断矩阵，提出了一种根据专家提供的信息客观地确定专家权重．并且根据净流得分来选择最佳方案的方法：针对专家对不同方案各属性打分的形式所形成的群决策矩阵问题，提出了一种基于WGA算子和DOWGA算子的多属性群决策方法．研究了偏好信息为区间数型的多属性决策问题．给出了区

2、间数比较的一个等价公式，并提出了集结区间数型信息的UOWGA算子．对专家给出的对方案带有偏好信息的决策问题，利用UOWGA算子来确定属性的权重，并进而对方案进行排序．对于专家给出的混合区间判断矩阵的决策问题，给出了线性目标规划法进行求解．研究了偏好信息为三角模糊数型的多属性决策问题．研究了属性权重和属性值都为三角模糊数型的多属性决策问题，利用传统的理想点法的基本思想，给出了基于理想点的三角模糊数型多属性决策方法．给出了三角模糊数比较的可能度公式，在此基础上给出了基于标准差和平均差的三角模糊数多属性决镱方法．研究了偏好信息为梯形模糊数型的多属性决策问题．给出了梯形模糊数的一些运算法则，

3、提出了TFOWA算子，给出了梯形模糊数的规范化方法，并进而给出了基于TFOWA算子的多属性决策方法．给出了模糊语言与梯形模糊数之间的转换方法，然后利用IOWA算子的基本思想，提出了ITFOWA算子，研究了ITFOWA算子的性质，并进而给出了基于ITFOWA算子的多属性群决策方法．研究了偏好信息为语言型的多属性决策问题．给出了语言判断矩阵及其性质，给出了语言判断矩阵与AHP互反判断矩阵之际的转换方法及语言判断矩阵与互补判断矩阵之间的转换方法，给出了语言判断矩阵的群决策方法．研究不同粒度语言判断矩阵的决策问题，给出了不同粒度语言转换的准则，提出了符合该准则的转换函数，研究该转换函数的优良

4、性质，并给出了基于不同粒度语言判断矩阵的多属性群决策方法．研究了只具部分属性权重信息且属性值为不确定语言变量的多属性决策问题，定义了不确定语言环境中的一些新概念，建立了一些决策者与分析者之间不断交互的线性规划模型．研究了属性权重信息不完全已知的不确定语言决策问题：对于属性权重信息完全未知的不确定语言多属性决策问题，建立优化模型，求解该模型。得到求解权重的简洁公式；对于属性权重信息部分已知的不确定语言多属性决策问题，建立了目标规划模型，求解该模型得到属性权重向量，并进而对方案集结得到了方案的综合属性值，进而利用区间语言比较的可能度进行方案排序．研究了偏好信息为直觉模糊数型的多属性决策问

5、题．定义了直觉模糊数与区间直觉模糊数隶属度的偏离度和非隶属度的偏离度的概念，给出了比较规则．对于属性值以直觉模糊数和区间模糊数给出的情形，分别建立了基于偏离度的目标规划模型，继而提出了相应的多属性决策方法．依据传统的编网模糊聚类方法，给出一种基于直觉模糊决策信息的多属性群聚类方法．研究了偏好信息为残缺互补判断矩阵的多属性决策问题．给出了残缺互补判断矩阵可接受的必要条件，提出了求解可接受残缺积型互补判断矩阵的权重的最小平方法和二次规划法，并给出了残缺互补判断矩阵一致性检验的方法．给出了残缺加型互补判断矩阵的行和归一化排序方法、目标规划法、最小方差法和二次规划法．关键词：多属性决策；实数

6、；区问数；三角模糊数；梯形模糊数；语言变量；直觉模糊数；残缺互补判断．AbstractTopic：StudyonmethodsformultipleattributedecisionmakingbasedondifferenttypesofpreferenceinformationSubmittedTo：SoutheastUniversityThemultipleattributedecisionmakingmethodsofdifferenttypesofpreferenceinformationalestudied．111emultipleattributedecisionmak

7、ingproblemofrealnumberofpreferenceinformationisstudied．Normalizingrankaggregationmetllodfortheadditivetransitivefuzzypreferencerelationisstudied．Todoso，threemetllodsareproposedtoprovethatthenormalizingrankaggregationmethodissimple